Python | OpenCV | 图像处理 | 入门实验 | 对比度增强 | 裁剪
0. 前言
“图像处理”听起来高大上，其实用 20 行 Python 就能跑起来。
今天带大家在 10 分钟 内完成一次真实可跑的实验：
把一张机器人照片 robot.jpg 切成左上角；
再把亮度 / 对比度拉满；
最后保存成新图 robot_enhanced.jpg。
读完你就能向室友炫耀：我写的代码能让照片“发光”！
1. 准备战场
表格
复制
项目 版本 备注
Python 3.8+ 自带即可
OpenCV-Python 4.10+ 一条命令装好
系统 Win / macOS / Linux 不限
1.1 一键安装 OpenCV
打开终端（Windows 用 PowerShell / CMD 都行）依次复制：
bash
复制
# 升级 pip，防止装包失败
python -m pip install --upgrade pip
# 用阿里镜像秒装
pip install opencv-python -i https://mirrors.aliyun.com/pypi/simple/
# 验证版本
pip show opencv-python
一键获取完整项目代码
看到 Version: 4.x.x 就说明 OK。
1.2 拿到素材
把下面两个文件放到 同一个文件夹（路径别带中文）：
robot.jpg（实验原图）
image_process.py（下文代码，复制即用）
2. 核心 20 行代码
新建文件 image_process.py，复制保存：
Python
复制
import cv2
import os
# 1. 读图
img = cv2.imread('robot.jpg')
assert img is not None, 'robot.jpg 没读到，确认路径！'
# 2. 裁剪：左上角 1/4
h, w = img.shape[:2]
roi = img[0:h//2, 0:w//2]
# 3. 对比度+亮度增强
# alpha>1 对比度↑，beta>0 亮度↑
enhanced = cv2.convertScaleAbs(roi, alpha=1.8, beta=30)
# 4. 保存
out = 'robot_enhanced.jpg'
cv2.imwrite(out, enhanced)
print(f'✅ 已生成：{os.path.abspath(out)}')
# 5. 弹窗预览（按任意键关闭）
cv2.imshow('before', img)
cv2.imshow('after', enhanced)
cv2.waitKey(0)
cv2.destroyAllWindows()
一键获取完整项目代码
3. 跑起来！
终端切到该目录，执行：
bash
复制
python image_process.py
一键获取完整项目代码
看到两行提示：
✅ 已生成：D:\Demo\robot_enhanced.jpg
同时弹出两个窗口：
左边是原图，右边是“切头+提亮”后的效果。
按任意键 关闭窗口，实验完成！
4. 效果对比
表格
复制
原图 处理后
完整机器人，整体偏灰 仅左上角，金属质感变亮，边缘对比强烈
文件 1.2 MB 文件 0.3 MB（体积也小了）
5. 知识点复盘
表格
复制
术语 一句话解释
像素 图像最小色点，坐标 (x,y) 对应一个颜色值
图像矩阵 OpenCV 中一张图就是 numpy 三维数组
裁剪 本质是 Python 切片 img[y1:y2, x1:x2]
对比度增强 cv2.convertScaleAbs(src, alpha, beta)
通道顺序 OpenCV 默认 BGR，不是 RGB！
6. 想再玩点花样？
表格
复制
需求 改哪一行
裁剪正中 200×200 roi = img[h//2-100:h//2+100, w//2-100:w//2+100]
黑白复古风 加一行 gray = cv2.cvtColor(enhanced, cv2.COLOR_BGR2GRAY)
一键九宫格 写循环把原图切 3×3 保存 9 张
批量文件夹 用 glob 遍历 *.jpg 即可
7. 常见报错速查
表格
复制
报错 原因 解决
cv2.error: (-215:Assertion failed) 路径中文或图片没读到 换英文路径，确认 robot.jpg 存在
ModuleNotFoundError: cv2 装到了别的 Python 用 where python / which python 看路径，重装盘
弹窗闪退 没加 waitKey(0) 把代码抄全
8. 总结
今天我们只做了两件事：
用切片裁剪图像；
用 convertScaleAbs 提亮对比度。
但已经覆盖了 数字图像处理 7 大环节 里的
“图像采集 → 图像增强 → 图像表示” 三步。
下一步你可以挑战：
边缘检测 → cv2.Canny
人脸检测 → cv2.CascadeClassifier
磨皮美颜 → 双边滤波 cv2.bilateralFilter
9. 源码下载
懒得敲字？
GitHub 仓库（含 robot.jpg 与完整代码）：
👉 https://github.com/yourname/opencv-10min-demo
Star 不迷路，后续更新九宫格、滤镜、动图生成！